基于FISM-ANP新零售数据质量评价体系研究-现代工商管理

【摘要】目的新零售利用数据的优势，充分挖掘其丰富的商业价值，以利用数据资产实现需要建立相应的新零售数据质量评价指标体系。方法本文以新【关键词】新零售数据；质量评价；模糊解释结构模型；网络层次分析研究”（YCX22090）Researchontheevaluationsystemofdataqualityinne【Abstract】ObjectiveNewretailleveragestheadvantagesofdatatofullyexploreitsrichcommercialvalueandvaluableinformation.Topromotenecessarytoestablishacorrespondingevaluationindexsystemfconceptsofnewretailanddataqualitydataqualityevaluationindicators.Thefuzzyinterpretiverelationshipsbetweentheevaluationindicatorfactors.Thesestructureoftheanalytichierarchyprocesstoconstructtsystemfordataqualityinnewretail,dataaccuracyisstageofdatabusinessdevelopment,effortsshouldbefocusedonenhancinguserapplicabi【Keywords】Newretaildata;Qualityevaluation;Fuzzyinterpretivestructuralmodel;Analytichierarchyprocess1引言推动了零售业的数字化转型和发展。为了充分利用近年来，随着新零售时代的不断推进，其加速数据价值，首先需要使用专业的方法和数据分析软 件对新零售数据进行处理和分析。如今，数据分析处理软件不断更新迭代，同时各种机器学习、深度学习算法也得到应用，并且专注于改进数据分析的方式和手段。但与此用时也需要关注新零售数据自身的质量问题。通过评估数据质量指标，可以识别和解决数据质量问题，提高数据质量，从而提供更准确、可靠和有用的信息，为业务决策提供支持和保障。此外，评价数据质量指标还可以帮助组织制定数据质量管理计划，并监测其实施效果，以确保为了避免企业因使用劣质数据进行分析而做出错误决策并蒙受经济损失，对新零售数据质量的研究变得尤为迫切。然而，目前研究者们对线下新零售数据质量的研究较为缺乏。因此，本文旨在构建新零售数据质量评价指标体系，以对国内新零售平台的提供的数据质量进行评估，推动相关领域的研2数据质量评价体系研究视角为更综合的找出新零售数据质量指标因素，在选择指标时，要考虑评估指标体系的完整性，需尽可多的找出数据质量及新零售行业数据质量的所有指标，为了实现这一研究目标，本文在多个文献数据库平台，按照“数据质量”“数据质量企业零售行国内外数据质量的研究成果，汇总了研究范围内的通过查阅大量的国内国外文献，学者们从两个方面构建数据质量评价体系，即基于数据质量的固有属性和数据质量的广泛性，以对数据质量进行综合评估。数据质量固有属性重视数据自身质量，如等，而数据质量广泛性考虑数据在特定行业环境中2.1数据视角在早期的研究中，研究人员通常将数据质量仅据质量视作一个单一维度的概念，定义相较狭隘。然而，随着研究的进一步深入，学者们逐渐认识类似于产品质量，数据质量也涉及多个维度，其质量因此，通过将数据质量与产品质量进行类比，学者数据看作产品，并提出TDQA（TotalDataQuality固有质量维度下将其细分为准确性、客观性、可信提出数据质量指标包括数据完整性，准确性，一致数据质量评价体系着重于数据本身的内在价值，忽略了数据用户对数据质量的需求，更多的是关注数为了使得数据能够满足用户人群的需要，学者们已经开始以数据用户的视角出发，来研究数据质量的评价方法。如杨青云等学者强调了考虑用户需求的重要性，提出了一种基于用户需求的定量数据质量评价模型，以更精确地评估数据质量，确保数据满足实际应用的要求[4]。王今等构建的政府开放数据质量指标评价体系以用户满意度为基础，其中量的数据质量评价模型[5]。王瑞云等人基于用户适应度，划分为数据内在质量维度和用户行为外在质量维度两个方面的数据质量框架，这种方法充分考虑了用户行为对数据质量的影响。其中，外在质量时段下载比和浏览下载比这五个指标，对用户行为的外在质量进行评价[6]。王力等基于数据内在质量维度下，提出提高用户满意度的质量维度包括数据据可理解性等数据质量评价维度[7]。用户视角下构建的数据质量评价体系充分考虑用户需求，旨在确保数据满足用户的实际需求，并提供有用的结果。然而，相对对于数据的价值方面，该评价体系给予2.3监管视角孙俐丽等人在研究影响数据资产质量的支撑与保障因素中指出，在数据质量管理方面，大多企业缺乏公司级独立的监管部门和完善的监管体系，数据质量监管体系的不完善，会导致数据质量的置信我国的大数据交易中，缺乏规范的交易规则，存在多种交易风险。因此，迫切需要建立相关的法律监质量四个方面进行监管[9]。周艳红在构建电商大数据质量评价体系中，从监管视角提出了法律法规数大数据评估指标框架下，针对“管理-全局视提出了包含安全性、大数据标准体系、法律法规数量和管理制度4个指标[11]。2.4技术视角安小米等人提出数据技术视角指的是大数据基础设施设备、数据环境、算法和技术对数据质量的影响。在精准治理的基础上，对数据技术基础设施在构建统计数据质量影响因素模型中，从流程、技术和管理三个维度分析影响数据质量的因素，其中技术维度方面包括数据库技术、数据质量检测识别在研究大数据质量因素及框架中，在技术层面上提性等评估指标[13]。为分析复杂系统和问题美国系统科学家James的方法——解释结构模型（InterpretiveStructural对复杂问题，尤其是那些牵涉到多个因素和相互关示问题内在结构和变量之间的相互作用。集N={Si,i=1,2,…,n}；⑤1因素Si与因素Sj存在直接二元关系与自身相乘，直到矩阵不再改变。此过程用以下公kk+1除了前面提到的连续相乘的方法，可达矩阵也可以使用Warshall法和逐次平方法进行计算。并记作R(ei)。这表示元素ei能够到达的所有其他元并记作Q(ei)。这表示可以到达元素ei的所有其他元Q(ei)进行层级划分，这两种方法在层级划分时会得到不同的结果。根据问题的要求和具体情况，我们但它们在布尔矩阵和模糊邻接矩阵运算规则上存在将模糊邻接矩阵转为布尔矩阵然后进行计算。在计 数，用于表示因素之间的模糊程度或强度，如下举得到上述系统的模糊邻接矩阵B（对其进行归的模糊运算规则。这些算子能够处理模糊矩阵中的黄炜[14]在其研究的论文中得出了一个重要结论。当此，本文选择了Zadeh算子来计算模糊（3）求解模糊可达矩阵及λ划分值域集合中即Rλ为R的λ截矩阵，λ为R的划分截距。由模糊可达矩阵中λ的值域集合λi(i∈(0,1))，通过Zadeh算子计算λi截矩阵，然后得到i个布尔矩阵，将模糊信息转化为了布尔形式，实现了从），ANP用于分析具有相互交织的复杂网络结构系统，首先，明确决策问题的目标，将决策问题分解成不同层次，然后，通过对进行决策的问题系统分析，将其分为各个独立的元素及相对应的元素集。随后，需要评估这些分解出的不同元素层次之间的独立性，同时考虑不同元素层次之间可能存在的彼此依赖关系和元素间的反馈效应。在此过程中，可以采用相关领域的专家打分或根据经验进行Brain-虑元素之间的相互作用关系。构建网络结构时，首先建立控制层，其中，需要确定决策问题的目标和相对应的各个准则，并使用层次分析法来得到每个准则对最终目标的权重。接下来在构建网络层，在网络层中对元素进行分类，形成各个元素组。在组间和元素组内部的关系进行关联，从而构建出网通过元素相关性分析，确定元素及元素组之间的相互影响关系。构造元素判断矩阵和全部判断矩由上一步结果，构建初始未赋权超矩阵，再通过未赋权超矩阵计算出赋权超矩阵和极限超矩阵，4新零售数据评价指标体系构建与调研的人员主要有：数据技术主管、部门项目经卷。对所有问卷结果整合取平均值。由整理出的结合相关文献及新零售数据质量内涵，分别从数据固4.2基于FISM数据质量网络层次4.2.1评价指标模糊领接关系矩阵构建4.2.2确定模糊可达矩阵与λ划分4.2.3确定λ水平截矩阵及布尔可得到λ=0.7截距阵A0.7，即得到布尔邻接矩阵，然后计算可达矩阵M2=0.7。4.2.4截矩阵层次结构按照结果优先的方法，进行层级划分。基于可达矩阵的结果，绘制了截距λ=0.7时对应的数据质最终得到数据质量评价指标因素的评价指标因个层级，自上而下分别为第一层到第五层。各数据质量评价指标通过不同的途径对数据质量评价体系完整性、准确性、一致性、安全性、精准性、时效性、冗余性、数据规模、规范性全面性、真实性、可靠性、客观性、数据到达速率、数据专业度、透明性、唯一性度、多样性、数据清洗粒度、合法性、有效性、增有用性、可访问性、可获得性、可理解性、浏览次数、下载次数、浏览下载比、时段下载性、易于操作性、相关性、敏感性、及时性、数据列表现出的数据属数据质量管理目标、数据质量管理机制、法律法规数量、资金投入、数据监管范度、共享性、可衔接性、大数据标准体系、企业管理安全性、数据分析质量、数据建模质量、可变性、复制 准确性=（内容无误的数据质量/数据规模）数据延迟时间=数据发布时间-数据产生时间，较短的延迟时间代表冗余度=（非必要重复字段/总字段数）指数据的呈现形式、结构和信息内容是否易根据零售平台所在地区的行业排名，评估和比较各个零售平台的行业地位采用浏览下载比表示数据价值性，反映用户在浏览数据集内容选择下载的度监管部门的级别等级值按照零售平台所在国家的行政级别由高到低依次高监管部门等级-最低监管部门等级）表示监管部门指确保数据在存储过程中免受未经授权的访问、修改、泄露、破完整性、准确性、一致性、可访问性、易操作及时性、可理解性、来源权威性、价值性、监管4.3.1建立新零售数据质量的FISM-ANP评价指由4.2节得出的评价指标之间的关系，通过4.3.2构造比较判断矩阵，计算评价指标权重计算赋权超矩阵与极限超矩阵，最后整理得出评价量、用户适用度、数据监管水平和数据技术水平四个维度，在应用新零售数据质量评价时，用户适用分体现了以人为中心，数据应与用户需求相匹配，从而数据用户提供更高的利用价值。其中，可访问性和易操作性在用户适用度中占比权重为24.89%和32.74%，反映出面对海量的新零售数据，用户获取和使用操作数据的难易程度是影响用户适用度质量最关键的因素，只有当数据获取和操作变得高效，才能够充分挖掘数据中蕴含的价值，实现对权重w0局部权重w′全局权重w数据固有质量d1 d21可访问性d22可理解性用户适用度d2d31法律法规数量数据监管水平d3d33监管部门级别跨度d41可恢复性数据技术水平d4为数据的准确性，说明数据准确性的重要程度仍然无法被低估，对于企业来说，数据准确性对于建立和维护客户信任至关重要，并且准确的数据对于统计分析、研究和调查都至关重要。在数据监管水平方面，权重系数最高的是法律法规数量，它是新零售数据质量评价体系中的根本深层原因，是提升数据质量优劣的源动力。对于数据技术水平，数据存储安全性是该方面占比最高的影响因素，也反映出可通过采取适当的物理安全措施、数据加密、访问控制和监控、定期备份和灾难恢复计划等措施，确及问卷调研，分析整理出了影响新零售数据质